近红外光谱技术提升乙醇固态发酵过程参数检测精度

本研究聚焦于"基于近红外光谱技术的乙醇固态发酵过程参数定量检测", 主要目的是提升乙醇固态发酵过程在线监测的精度。研究者利用傅里叶近红外光谱(FT-NIRS)这一非侵入式分析技术，对发酵过程中关键参数如乙醇和还原糖含量进行实时和准确的测量。 首先，研究采用了联合区间偏最小二乘法(siPLS)，对经过标准正态变量变换(SNV)预处理后的光谱数据进行特征波长区间的选择。这种方法有助于减少噪声影响，突出光谱中的关键信号区域，以便后续分析。 接着，遗传算法(GA)、竞争自适应重加权采样(CARS)法和迭代保留信息变量(IRIV)法被引入，对siPLS筛选出的波长区间进行进一步优化。这些高级筛选技术旨在从众多可能的特征波长中，选取最能反映乙醇和还原糖浓度变化的变量，提高模型的稳定性和预测能力。 实验结果显示，与GA和CARS方法相比，IRIV方法显示出更高的效率，因为它能筛选出更少但具有更高代表性的波长变量。具体来说，IRIV方法选择了43个与乙醇含量相关和40个与还原糖含量相关的特征变量。在验证过程中，基于这些特征波长构建的偏最小二乘(PLS)预测模型表现出优秀的性能，乙醇含量的验证集均方根误差(RMSEP)为0.2511，预测相关系数Rp高达0.9934，而还原糖含量的RMSEP和Rp分别为0.1730和0.9926。 这项研究表明，近红外光谱分析技术在乙醇固态发酵过程参数的在线监测中具有显著的优势，能够实现实时且高精度的监控。IRIV方法作为特征波长选择的有效策略，显著提高了预测模型的精度和稳定性，这对于工业生产环境下的过程控制具有实际应用价值。此外，研究成果还得到了国家自然科学基金(31271875)的支持，这表明该领域得到了科研界的广泛关注和资助。